STEAL AI de la Nvidia oferă un suport de inferență mai bun pentru modelele de computer vision

Cercetătorii în domeniul informaticii de la Nvidia, Universitatea din Toronto și Institutul Vector de Inteligență Artificială din Toronto au conceput o modalitate de a detecta și de a prezice cu mai multă precizie unde începe și se termină un obiect. Acest tip de cunoștințe poate ajuta la îmbunătățirea inferenței pentru modelele actuale de viziune computerizată, sprijinind în același timp formarea etichetării datelor pentru modelele viitoare.

Într-o serie de experimente ale echipei de cercetare, oamenii de știință au descoperit că modelul de inteligență artificială Semantically Thined Edge Alignment Learning (STEAL) poate ajuta la îmbunătățirea acurateței modelului de predicție „limită semantică”. ” Modern CASENet a crescut cu 4%. Capacitatea de a identifica cu mai multă acuratețe limitele și marginile unui obiect ar putea avea aplicații practice pentru sarcini de viziune computerizată, de la generarea de imagini până la reconstrucția spațiului 3D, pentru a detecta obiecte.

• 5 minți de geniu în domeniul AI își unesc mâinile pentru a crea roboți uimitoare

Învățare semantic Thined Edge Alignment Learning (STEAL)

STEAL poate fi aplicat pentru a îmbunătăți CNN-urile existente sau modelele de detectare a marginilor obiectelor, dar cercetătorii cred, de asemenea, că îi poate ajuta să eticheteze sau să adnoteze datele mai eficient. Pentru a demonstra acest lucru, oamenii de știință au folosit metoda STEAL pentru a rafina Cityscapes - un set de date cu conținut legat de mediul urban - introdus pentru prima dată la conferința Machine Vision. Computer Vision and Pattern Recognition (CVPR) în 2016.

În prezent, pe GitHub , cadrul STEAL poate învăța și prezice fiecare colț al unui obiect în pixeli relativ precis, folosind o metodă pe care cercetătorii o numesc „aliniere activă”. Raționamentul explicit despre zgomotul de adnotare în timpul antrenamentului și formulele de setare a nivelului pentru rețelele neuronale în învățarea din reprezentările părtinitoare ale etichetelor într-un mod end-to-end ajută, de asemenea, la producerea de rezultate.

• MIT se străduiește să dezvolte un model AI care poate conduce aproape ca un om

Abilitatea de a identifica mai precis limitele și marginile unui obiect

„Arătăm în continuare că limitele noastre de predicție le depășesc pe cele obținute din ultimele rezultate ale segmentului DeepLab-v3, utilizând în același timp doar Arhitectura este mult mai ușoară”, a spus un reprezentant al echipei de cercetare într-un interviu aprofundat pentru site-ul de știri arXiv.

Această lucrare de cercetare se intitulează: „Devil is in the Edges: Learning Semantic Boundaries from Noisy Annotations” și va fi introdusă pe scară largă printr-o prezentare în cadrul conferinței CVPR 2019 care are loc la Long Beach, California. Experții de la Nvidia Research au adus o contribuție semnificativă la această cercetare și, de asemenea, vor prezenta în mod specific cercetarea dintr-o perspectivă personală la CVPR din acest an.

• Inteligența artificială japoneză a creat modele de modă virtuale super realiste

Conform știrilor recent raportate, Nvidia a spus că va suporta sisteme hardware de calcul de înaltă performanță de la producătorul britanic Arm în 2020 și software-ul de inferență de analiză TensorRT open source pe Github pentru a permite mai multă personalizare.